视频人脸图像的品质检测算法(2)
特征渐渐成为验证依据 。 人脸作为关注的焦点之一 ， 在各个方面的检测需求也日
益增多 。 人脸识别可以被应用在各种不同的安全领域 ， 比如身份认证 、 楼宇安全
控制、重要场所中的监控和信息安全领域 ( 计算机的登录控制，应用程序安全使
用 、 数据库安全访问和文件加密 ， 实现局域网和广域网的安全控制 ， 保护电子商
务的安全性 ) 等等。
人脸识别由于其非接触式、基本无须配合和操作隐蔽性强等优势，被认为
是一种可广泛使用的生物特征识别技术 ， 长期以来一直受到学术界和产业界的广
泛关注 。 然而 ， 也正因为追求 “ 无须配合 ” 的实施效果 ， 导致了人脸图像采集的
随意性 ， 图像之间差异较大 、 图像质量参差不齐的情况 。 采用低质量的人脸图像
进行人脸识别 ， 必然会导致识别准确率的下降 。 而长期以来 ， 人脸识别的研究大
都是基于预先准备好的图像质量一般较高的人脸库的 ， 这与现实应用情况有很大
的不同 。 因此尽管实验测试中的人脸识别准确率已经相当之高 ， 然而在实际应用
中的表现却并不尽如人意 。 为此 ， 近年来有不少研究者开始着手于研究对各种不
同质量人脸图像足够鲁棒的人脸识别技术 ， 目前虽已取得了很大的进展 ， 但离实
用仍有一些差距 。 一方面 ， 由于处理低质量图像而被引入的额外手段往往十分复
杂 ， 会大大增加人脸识别系统的复杂度 ， 使得人脸识别耗费时间更长 ―― 这对于
多数实际应用是不可接受的 ； 另一方面 ， 不受图像样本因素影响的人脸识别算法
是难以获得的。因此，我们必须研究新的解决方法。
一般意义上的图像质量评价主要关注：相对于原始图像，如何对一幅复原
图像进行质量评价 。 与此不同 ， 人脸图像品质评估是研究如何从一组几乎是同时
拍摄的图像群中 ， 通过图像质量评价 ， 筛选较为合适的样本用于识别 ， 这无疑会
提高自动人脸识别系统的准确率。
即使样本数目有限，也可以依据质量评价结果来选用相应的图像预处理方
法来提高识别率 。 另外 ， 根据人脸图像的质量情况来调整分类器的阈值或其它参数能有效地降低错误拒绝率 (FRR) 或错误接受率 (FAR) ， 亦可提高人脸识别的实用
性能 。 可见 ， 在自动人脸识别系统中引入人脸图像品质评估环节是一条推动人脸
识别实用化的重要途径。
1.2 1.2 1.2 1.2 人脸图像品质评估的研究现状 人脸图像品质评估的研究现状 人脸图像品质评估的研究现状 人脸图像品质评估的研究现状
基于人脸识别的身份验证前途光明 ， 道路曲折 ， 这是由于人脸识别时的一些
难题 ， 诸如低分辨率 、 图像模糊 、 姿态变化和低对比度等 。 人脸图像品质评估是
研究如何从一组几乎是同时拍摄的图像群中 ， 通过图像质量评价 ， 筛选较为合适
的样本用于识别，用以提高自动人脸识别系统的准确率。
在如何处理低质量图像的问题上 ， 一种方法是将低质量图像看做图像群的异
常值 ， 包括使用聚类技术 （ 比如 k- 均值聚类 [1]
） 的模板提取方法和统计模型方法 。
然而当整个图像群中的大部分图像质量很差时，这些方法就难以奏效了 —— 此
时 ， 那些高质量图像将被认作异常值 [2]
。 另外一种方式是显式子集选取 ， 对每张
图像质量自动进行评估，或者剔除低质量图像，或者选取高质量图像集合。
一些用于面部品质评估的人脸图像标准已经提出（比如 ISO/IEC 19794-5 [3]